将机器视觉技术引入到了茶小绿叶蝉的自动识别领域, 以实现茶园中茶小绿叶蝉的准确及时预报。采集了自然场景下黄色诱虫板的图像,利用超像素分割算法和多DBSCAN聚类图像融合的方法对采集的图像进行区域分割,保证了目标区域的准确性和完整性。在此基础上,提取了目标图像子区域的L、a、b均值和标准差特征,构建了最小二乘支持向量机(LSSVM)自动识别模型。为解决训练样本中茶小绿叶蝉和其他害虫数量不均衡带来的分类超平面偏移问题,采用改进SMOTE算法和KS算法来提高模型对茶小绿叶蝉小样本的识别精度。结果表明,该算法的整体识别精度可达到99.03%,茶小绿叶蝉的查准率可达91.76%,为茶小绿叶蝉的实时检测提供了有效途径。

西安邮电大学机器视觉(也叫计算机视觉，视觉测量技术等)期末考试试卷，适合学习机器视觉相关课程的本科生和研究生复习使用。

天轮在深井提升系统中是一个关键运行部件，主要起承载力和导向的作用。由于天轮是运转轮体，考虑到自身不易安装传感器，提出了基于线结构光的机器视觉非接触式天轮偏摆实时监测方案。运用机器视觉处理技术，线激光照射在运转天轮上，将摄像机实时拍摄的图像传输到Labview软件中的图像模块进行图像处理，然后通过嵌套在Labview中的Matlab程序完成线结构光提取以及偏摆测量，并将测量数据实时显示形成曲线图并保存，从而达到实时监测天轮偏摆故障的目的。

针对概率Hough变换耗费大量内存以及直线端点搜索容易受到网状聚集点干扰的缺陷，提出一种基于概率的局部Hough变换优化算法。将边界分为有序和无序两类，前者通过随机抽取采样点并结合其相邻点进行直线搜索，后者采用在随机抽取点周围建立感兴趣区域并进行局部Hough变换，检测到直线后进行全局搜索并实时修正直线斜率，对因网状聚集点产生的错误直线采用间隔计数和限制总间隔长度的方法进行排除。使用500张图片进行实验验证，算法耗时均低于概率Hough变换耗时的1/3，且对网状聚集边界点的直线错检具有较高抵抗性，检测结果比概率Hough变换直线检测更加准确，内存消耗减少超过90%以上。

ADLINK PCI-8134 四轴步进和伺服运动控制卡pdf,ADLINK PCI-8134 四轴步进和伺服运动控制卡

本文档讲解了西门子高端运动控制器SIMOTION的安装步骤，给想学SIMOTION的小白门入门的机会，simotion资料很少，大家需要的赶紧下载

VB 机器视觉系统 微小间距测量

强化学习范式原则上允许复杂行为 直接从简单的奖励信号中学习。然而，在实践中，情况确实如此 常见的手工设计奖励功能，以鼓励特定的 解决方案，或从演示数据中导出。本文探讨了如何丰富 环境有助于促进复杂行为的学习。明确地 我们在不同的环境环境中培训代理人，并发现这鼓励了他们 在一系列任务中表现良好的稳健行为的出现。 我们为运动演示了这一原则——众所周知的行为 他们对奖励选择的敏感度。我们在一个平台上训练几个模拟物体 使用一个简单的奖励功能，可以设置各种具有挑战性的地形和障碍 基于向前的进展。使用一种新的可伸缩策略梯度变体 强化学习，我们的特工可以根据需要学习跑、跳、蹲和转身 在没有明确的基于奖励的指导的环境下。对……的视觉描绘 学习行为的要点可以在本视频中查看。

计算机视觉 机器视觉 两本教材 张广军， 计算机视觉 机器视觉 两本教材 张广军

matlab循环读图的代码直流电机项目 带PID运动控制器的直流电机控制项目 总体而言，该项目的目标是基于通过客户端（在本例中为matlab）提供的输入来控制电机的轨迹。 我绘制了两种不同类型的输入（阶跃输入和三次输入）的角度，以查看尝试跟踪这些轨迹时电动机将产生的误差。 为此，首先完成了诸如读取编码器，读取电流和保持指定角度之类的中间步骤。 通过菜单，这些选项仍然保留在matlab的客户端代码中。 硬件 该项目包括一个PIC32单片机，一个H桥，一个编码器，一个解码器，一个电流传感器和一个有刷直流电动机。 控制系统 这里有两个独立的反馈系统，第一个是解码后的编码器角度输入微控制器与电机角度输出之间的运动控制，第二个是微控制器产生的PWM输入与输入之间的电流控制。流入电动机输出的电流。 微控制器，编码器和解码器上的运动控制均以200 Hz时钟周期运行，而微控制器上的电流控制，H桥和电流传感器均以5 kHz时钟周期运行。